Momentum-Firmware项目单元测试编译问题分析
2025-06-02 01:02:11作者:咎竹峻Karen
问题背景
在Momentum-Firmware项目的开发过程中,开发团队发现了一个关于单元测试编译的重要问题。当开发者尝试使用特定命令编译单元测试时,系统报告了多个未定义的引用错误,导致编译过程中断。
错误现象
编译过程中出现的错误信息显示,链接器无法找到三个与NFC ISO15693协议相关的函数引用:
nfc_iso15693_detect_modenfc_iso15693_force_1outof4nfc_iso15693_force_1outof256
这些错误出现在构建firmware.elf文件时,具体表现为链接阶段失败。错误信息明确指出这些符号在.rodata段的elf_api_table结构中无法解析。
问题根源
经过代码审查,这个问题是在项目合并了编号为225的Pull Request后引入的。通过版本控制系统的二分查找,开发团队确认问题出现在提交5afc01a中,而其父提交12f9bd7则能够正常编译。这表明在225号PR的修改中,可能遗漏了某些必要的函数实现或者链接配置。
技术分析
从错误类型来看,这是一个典型的符号未定义错误,通常由以下几种情况导致:
- 函数声明存在但缺少实现
- 实现文件未被正确包含在构建系统中
- 链接顺序或库依赖关系不正确
- 条件编译导致某些实现在特定配置下被排除
考虑到这些函数与NFC ISO15693协议相关,可能涉及硬件抽象层或协议栈的实现。在单元测试环境下,可能需要提供这些函数的测试实现或确保相关模块被正确包含。
解决方案
开发团队迅速定位并修复了这个问题,修复提交为2c247bc。虽然具体修复内容未详细说明,但根据问题性质,可能的修复方式包括:
- 添加缺失的函数实现
- 修正构建系统配置,确保相关模块在单元测试环境下被正确包含
- 为单元测试环境提供这些函数的测试实现
- 调整链接顺序或添加必要的库依赖
经验总结
这个案例提醒我们:
- 在修改涉及核心API或硬件抽象层的代码时,需要特别注意对测试环境的影响
- 单元测试环境可能需要特殊的测试实现或配置
- 版本控制系统的二分查找是定位引入问题的提交的有效方法
- 构建系统的配置需要与代码修改保持同步
对于嵌入式系统开发,特别是涉及硬件抽象层的项目,确保在各种构建配置下都能正确编译是保证代码质量的重要环节。这个问题的快速解决也体现了项目团队对持续集成和测试覆盖率的重视。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218